为解决风力发电机轴承温度预测准确性较低而影响故障预警系统性能的问题，提出一种基于改进双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和时间卷积网络(temporal convolutional network, TCN)的风机轴承温度异常预警方法(BiGRU-TCN)。首先采用bin方法对噪声数据进行清洗，减小其对预测模型准确性的干扰；然后引入TCN捕捉序列依赖性，并结合BiGRU建立融合模型，对清洗后数据进行特征提取，再加入自注意力机制，提高模型在数据波动幅度较大时的预测能力；最后采用滑动窗口算法分析预测值与真实值之间的残差，设置故障预警阈值。实验结果显示：相较于其他常见模型，本文模型预测结果的平均绝对误差(MAE)平均低0.571,均方误差(MSE)平均低3.601;基于本文模型设置的预警方式实现了在异常发生前3天预警，为风电场的运维管理提供了有力支持。